24
APLIKASI FUZZY LOGIC SEBAGAI PENGGERAK MOTOR PADA ROBOT
PENGGIRING BOLA BERBASIS IMAGE PROCESSING
Chika Saputri Roza1, Niksen Alfarizal2, Yurni Oktarina3
1Jurusan Teknik Elektro Program Studi Sarjana Terapan Teknik Elektro Konsentrasi Mekatronika Politeknik Negeri Sriwijaya
ABSTRACT
Image Processing-based dribble robot is a robot created with the aim of detecting and dribbling towards the goal that has been determined. This robot has a basic capability such as the ability to move independently or autonomous, vision ability that serves to see the surrounding area, the ability to search his position or self-location, the ability to track objects, and the ability to approach objects that have been detected. Next will be determination of role using Fuzzy interference system with sugeno method. Fuzzy will generate an output by utilizing two fuzzy variables that have been calculated previously in the form of distance and angle, fuzzy output and then sent to the microcontroller that ordered two rotating DC motor so that makes the robot move closer to the object. By using the ability of fuzzy logic in decision-making set points automatically, it is expected that wheeled robot control is more effective and stable. Based on the design, testing, and analysis that has been done, it can be concluded things that is from the test results to sensor readings and movement using the wheel, in get that robot movement becomes more free and more freely in approaching objects that have been detected.
Keywords: Dribble robot, Image Processing, fuzzy logic
ABSTRAK
Robot penggiring bola berbasis Image Processing merupakan robot yang dibuat dengan tujuan mendeteksi dan menggiring bola kearah gawang yang telah ditentukan. Robot ini mempunyai kemampuan dasar seperti kemampuan untuk bergerak mandiri atau autonomous, kemampuan vision yang berfungsi untuk melihat daerah sekitarnya, kemampuan pencarian posisi dirinya atau self-location, kemampuan melacak objek, dan kemampuan untuk mendekati objek yang telah terdeteksi. Selanjutnya, akan dilakukan penentuan peran menggunakan Fuzzy interference sistem dengan metode sugeno. Fuzzy akan menghasilkan sebuah output dengan memanfaatkan dua buah variabel fuzzy yang sudah dihitung sebelumnya berupa koordinat x dan y,
output fuzzy kemudian dikirimkan ke mikrokontroller yang memerintahkan dua buah motor DC berputar
sehingga membuat robot bergerak mendekati objek. Dengan menggunakan kemampuan logika fuzzy dalam pengambilan keputusan setpoin secara otomatis, diharapkan kontrol robot beroda ini lebih efektif dan stabil. Berdasarkan perancangan, pengujian, dan analisis yang telah dilakukan, maka dapat disimpulkan hal-hal yaitu dari hasil pengujian terhadap pembacaan sensor dan gerakan menggunakan roda, di dapatkan bahwa gerakan robot menjadi lebih bebas dan lebih leluasa dalam mendekati objek yang telah terdeteksi.
25
PENDAHULUAN
Robot merupakan salah satu inovasi dalam teknologi yang dikembangkan oleh banyaknya ilmuan, hal ini didasarkan pada kebutuhan manusia yang selalu meningkat sehingga manusia berkompetisi dalam menciptakan sesuatu yang lebih efisien dalam bentuk robot. Robot yang dibuat manusia selalu dirancang dengan keinginan dan fungsi yang dikehendaki oleh manusia yang membuatnya, dimana keuntungan menggunakan robot sangatlah banyak diantaranya lebih ekonomis, lebih higenis, dan lainnya. Sama halnya seperti manusia robot di rancang semirip mungkin dengan manusia pada umumnya yang memiliki panca indera serta anggota tubuh lainnya, seperti hidung, telinga, mulut, kulit, dan mata.
Salah satu panca indera yang penting di kehidupan manusia adalah Mata. Berdasarkan prinsip kerjanya mata mengubah sinar elektris, kemudian mengirimkannya ke otak, yang menafsirkan sinar-sinar elektris sebagai gambar
visual. Oleh karena itu, mata manusia dapat
mengetahui benda-benda disekitar berdasarkan warna dan bentuk benda tersebut. Salah satu jenis robot yang banyak dikembangkan dengan menggunakan prinsip kerja panca indra pengelihatan adalah Mobile Robot.
Mobile robot merupakan konstruksi robot yang
memiliki ciri khas berupa actuator (penggerak) yaitu roda, sehingga robot dapat melakukan perpindahan posisi dari satu titik ke titik yang lain dengan menggunakan sensor sebagai indera penglihatannya.
Mengenai Mobile Robot berupa robot soccer terdapat beberapa robot yang telah dibuat dan dikembangkan, akan tetapi dari beberapa robot yang telah ada memiliki beberapa kekurangan dalam menganalisa robot soccer berbasis image processing. Berikut merupakan salah satu referensi
mengenai robot soccer yang telah dibuat yaitu Analisis dan Desain Robot Pendeteksi Objek Menggunakan Kamera Dengan Artificial Intelligence (netta, 2016) , pada referensi tersebut alat yang dibuat hanya mengikuti objek yang digerakaan secara manual.
Pengolahan citra digital untuk mendeteksi objek menggunakan pengolahan warna model normalisasi RGB (RD.Kusmanto) dengan hasil penelitian bahwa Model normalisasi RGB sangat mudah untuk diaplikasikan khususnya untuk mendeteksi objek dengan warna-warna tertentu.
Dari permasalahan pada penelitian yang telah dibahas sebelumnya, maka pada penelitian ini penulis akan membuat pengembangan berupa pengaplikasian fuzzy logic sebagai penggerak motor
pada robot pendeteksi dan penggiring bola yang bertujuan agar robot dapat lebih efisien dalam pendeteksian dan pergerakan menuju objek berupa bola.
Fuzzy Logic
Fuzzy Logic adalah peningkatan dari logika
Boolean yang mengenalkan konsep kebenaran sebagian. Pada logika klasik Boolean diyatakan bahwa segala hal dapat diekspresikan dalam istilah binary (0 atau 1, hitam atau putih, ya atau tidak). Sementara itu Fuzzy Logic menggantikan kebenaran boolean dengan tingkat kebenaran. Fuzzy logic memungkinkan nilai keanggotaan antara 0 dan 1, tingkat keabuan dan juga hitam dan putih, dan dalam bentuk linguistik, konsep tidak pasti seperti "sedikit", "lumayan", dan "sangat". Fuzzy logic diperkenalkan oleh Dr. Lotfi Zadeh dari Universitas California, Berkeley pada 1965.
Dengan adanya sistem kontrol seperti Fuzzy Logic ini, perilaku robot akan semakin dinamis dengan adanya istilah tingkat keabuan dalam Fuzzy Logic itu sendiri. Robot tidak lagi hanya mengenal istilah 0 dan 1 atau hitam dan putih, robot akan terlihat lebih cerdas dalam berbagai kondisi yang akan dibuat.
Arduino Mega 2560
Arduino mega 2560 adalah papan mikrokontroler Atmega 2560 berdasarkan (datasheet) memiliki 54
digital pin input atau output (dimana 15 pin dapat
digunakan sebagai output PWM atau Pulse Width
Modulation), 16 analog input, 4 UART (Universal Asynchronous Receiver /Transmitter), osilator kristal
16 MHz,koneksi USB, jack listrik, header ICSP
(In-Circuit Serial Programing), dan tombol reset.
Semuanya diperlukan untuk mendukung mikrokontroler, hanya menghubungkannya ke komputer dengan kabel USB atau power dengan adaptor AC (Alternating Current) – DC (Direct
Current) atau baterai.
Gambar 1. Arduino Mega 2560 Raspberry PI
Raspberry Pi 3 merupakan generasi ketiga dari keluarga Raspberry Pi. Raspberry Pi 3 memiliki RAM 1GB dan grafis Broadcom VideoCore IV pada frekuensi clock yang lebih tinggi dari sebelumnya yang berjalan pada 250MHz. Raspberry Pi 3 juga memiliki 4 USB port, 40 pin GPIO, Full HDMI port,
26
Port Ethernet, Combined 3.5mm audio jack andcomposite video, Camera interface (CSI), Display interface (DSI), slot kartu Micro SD (Sistem
tekan-tarik, berbeda dari yang sebelum nya ditekan-tekan), dan VideoCore IV 3D graphics core
.
Gambar 2. Raspberry Pi Pi camera
Pi camera berupa papan kecil, sekitar 36mm x 36mm, sehingga cocok untuk mobile application atau lainnya di mana ukuran dan kualitas gambar yang penting. Menghubungkan ke Raspberry Pi dengan cara kabel pita singkat. Kamera terhubung ke prosesor BCM2835 / BCM2836 pada Pi melalui bus CSI, link bandwidth yang lebih tinggi yang membawa datapixel dari kamera kembali ke prosesor. bus ini perjalanan sepanjang kabel pita yang menempel papan kamera ke Raspberry Pi.
Gambar 3. Camera Pi
METODE
Pada penelitian kali ini metode yang digunakan adalah metode Fuzzy Logic. Logika Fuzzy merupakan salah satu komponen pembentuk Soft Computing. Dasar logika fuzzy adalah teori himpunan fuzzy. Pada teori himpunan fuzzy, peranan derajat keanggotaan sebagai penentu keberadaan elemen dalam suatu himpunan sangatlah penting. Nilai keanggotaan atau derajat keanggotaan menjadi ciri utama dari penalaran dengan logika fuzzy tersebut (Kusumadewi S, Purnomo H, 2010).
Fuzzy Logic Untuk Pergerakan Robot
Penggiring Bola Berbasis Image Processing
Tahapan dalam fuzzy logic secara umum terdapat 3 proses, yaitu fuzzifikasi, inferensi, dan defuzzifikasi.
1. Fuzzyfikasi
Dalam perancangan fuzzy logic pada Robot Penggiring Bola Berbasis Image Processing ini, terdapat dua masukan crips yang didapat dari hasil pendeteksian objek menggunakan sensor kamera yang mana masukan pertama yaitu koordinat x bola dan masukan kedua yaitu
koordinat y bola. Fungsi keanggotaan untuk koordinat x dan y ditunjukkan pada Gambar 4 dan Gambar 5.
Gambar 4. Fungsi keanggotaan koordinat x
Gambar 5. Fungsi keanggotaan koordinat y
Pada Gambar 4, input x ter bagi menjadi 3 (kiri,tengah,kanan) dimana kondisi kiri memiliki
range (0-80). Kondisi tengah memiliki range
(40-200), dan kondisi kanan memiliki range (160-240). Selanjutnya pada gambar 5, Input y memiliki 3 kondisi (atas, tengah, bawah) yang mana pada kondisi atas memiliki range (0-60), kondisi tengah memiliki range (30-150), dan kondisi bawah memiliki range (120-180).
2. Inferensi
Tabel rules evaluation pada Robot Penggiring bola berbasis Image Processing yang dibuat pada penelitian ini ditunjukkan pada Tabel 1.
Tabel 1. Rules Evaluation
Input Output
X Y Motor
Kiri
Motor Kanan
Kiri Bawah Lambat Sedang Kiri Tengah Lambat Sedang Kiri Atas Sedang Cepat Tengah Bawah Lambat Lambat Tengah Tengah Sedang Sedang
Tengah Atas Cepat Cepat
Kanan Bawah Sedang Lambat Kanan Tengah Sedang Lambat
27
Dari tabel diatas terdapat 9 aturan berdasarkandari fungsi keanggotaan koordinat x dan koordinat y. Saat sensor kamera mendeteksi posisi bola dan bola berada dalam koordinat x kiri dan koordinat y pada posisi bawah maka motor kiri akan dibuat lambat dan motor kanan akan dibuat sedang itu artinya robot akan belok kearah kiri bawah mendekati objek yang telah terdeteksi.
Saat sensor kamera mendeteksi posisi bola dan bola berada dalam posisi x tengah dan koordinat y pada posisi tengah maka motor kiri akan dibuat sedang dan motor kanan akan dibuat sedang itu artinya robot akan lurus ke arah tengah mendekati objek yang telah terdeteksi dengan kecepatan motor sedang.
3. Defuzzyfikasi
Tahap terakhir dari kendali fuzzy logic ini adalah defuzzifikasi, dimana nilai fuzzy output akan diubah menjadi crips output. Karena menggunakan inferensi model sugeno, maka deffuzyfikasinya menggunakan singleton. Fungsi keanggotaan output untuk menentukan kecepatan motor dc diperlihatkan pada Gambar 6 dan Gambar 7.
Gambar 6. Fungsi keanggotaan kecepatan motor kiri
Gambar 7. Fungsi keanggotaan kecepatan motor kanan
Pada fungsi keanggotaan kecepatan motor kiri dan kecepatan motor kanan terdapat 3 variabel linguistik yaitu lambat, sedang dan cepat. Nilai domain pada masing-masing variabel didasarkan pada besaran pulsa PWM yang mengatur kecepatan motor dc, pulsa minimun yang bisa diberikan adalah 0 dan maksimum 255 namun pada pembuatan robot ini kecepatan diatur maksimum 100. Berarti untuk variabel lambat kecepatan motor dc yang diberikan adalah 0-50 dari besar pulsa PWM maksimum 100, untuk fungsi keanggotaan sedang 50-80 dan fungsi keanggotaan cepat 80-100.
Cara kerja pada sistem dari robot ini diimplementasikan dalam bentuk blok diagram sehingga menghasilkan suatu sistem yang dapat
bekerja secara runtut. Berikut merupakan blok diagram robot pemdeteksi dan penggiring bola.
Gambar 8. Blok Diagram
Pada blok diagram ini terdiri dari 3 input yaitu sensor kamera, sensor kompas dan sensor ultrasonik. Kemudian objek yang ditangkap oleh sensor kamera akan diolah oleh raspberri selanjutnya data hasil pengolahan citra akan dikirimkan oleh rasperri akan diolah lebih lanjut oleh arduino, lalu data yang didapat oleh sensor kompas dan sensor ultrasonik akan diolah oleh arduino.
Output keluaran sistem ini berupa Motor DC, Gripper, Motor Servo, dan LCD.
Dalam menentukan perancangan penelitian, untuk mengetahui tahapan demi tahapan sistem yang dilalui maka diperlukan sebuah diagram alir yang dapat dilihat pada Gambar 9
.
Gambar 9. Diagram Alir
ANALISA DAN PEMBAHASAN
Hasil dari penelitian ini adalah berdasarkan dari
rule base fuzzy logic yang mengacu pada input x dan
y yang merupakan koordinat dari objek berupa bola yang dideteksi menggunakan sensor kamera maka didapatkan PWM dari masing-masing motor. Tampilan Data pada saat pengujian menggunakan
GRIPPER
28
software arduino uno. Berikut merupakan beberapacontoh pengujian gerak robot terhadap objek berupa bola.
Gambar 10. Posisi bola di kiri tengah lapangan dari kamera robot
Pada Gambar 10 merupakan hasil pengujian robot dengan rule base fuzzy kiri tengah, koordinat yang didapat x=13 dan y=112. Kecepatan motor kiri yang didapat ialah 50 yang berarti bergerak lambat dan Kecepatan motor kanan yang didapat ialah 80 yang berarti bergerak sedang.
Gambar 11. Posisi bola di kanan bawah lapangan dari kamera robot
Pada Gambar 11 merupakan hasil pengujian robot dengan rule base fuzzy kanan bawah, koordinat yang didapat x=155 dan y=141. Kecepatan motor kiri yang didapat ialah 59 dan Kecepatan motor kanan yang didapat ialah 59.
Gambar 12. Posisi bola di tengah tengah lapangan dari kamera robot
Pada Gambar 12 merupakan hasil pengujian robot dengan rule base fuzzy tengah tengah, koordinat yang didapat x=78 dan y=104. Kecepatan motor kiri yang didapat ialah 78 yang berarti motor bergerak cepat dan Kecepatan motor kanan yang didapat ialah 80 yang berarti motor bergerak cepat. Dari beberapa hasil pengujian diatas dilakukan perhitungan defuzzyfikasi untuk mencari nilaioutput
tunggal masing masing gerak motor. Berikut merupakan contoh perhitungannya.
Z =
.
....
n.
n.
1 2 2 1Persamaan 3. Rumus Nilai Fuzzyfikasi
Dimana :
Z : fuzzifikasi ꙍ : nilai input fuzzy α : nilai fuzzy rules Perhitungan :
Rule Base Kiri Tengah x= 13 y=112 A. x=13 13≤40=1 (kiri) B. y=112 60≤112≤120=1 (tengah) PWM Motor Kiri 1 x 50 = 50 PWM Motor Kanan 1 x 80 = 80
Rule Base Kanan Bawah x=155 y=141 A. x=155 80≤155≤160=1 (tengah) B. y=141 120≤141≤150 = 0,7. 120 150 120 141 (Bawah) 120≤141≤150 = 0,3. 150 120 150 141 (tengah) PWM Motor Kiri 0,7 x 50 = 35 0,3 x 80 = 24 1.0 59 X= 59 = 59 1 PWM Motor Kanan 0,7 x 50 = 35 0,3 x 80 = 24 1.0 59 X= 59 = 59 1
Rule Base tengah tengah x=78 y=104 A. x=78 40≤78≤80
=
0.95. 40 38 40 80 40 78 (tengah) 40≤78≤80=
0.05 40 2 80 40 80 78 (kiri) B. y=104 60≤104≤120=1 (tengah) PWM Motor Kiri 0,95 x 80 = 76 0,05 x 50 = 2,5 1 78,529
X= 78,5 = 78,5 1 PWM Motor Kanan 0,95 x 80 = 76 0,05 x 80 = 4 1 80 X= 80 = 80 1Dari hasil pengujian dan perhitungan yang telah dilakukan sesuai dengan rule base yang telah ditentukan maka didapatkan nilai PWM masing-masing motor seperti pada tabel berikut.
Tabel 2. Hasil PWM masing-masing motor
Input Output
X Y Motor
Kiri
Motor
Kanan (MKr,Mkn) PWM
Kiri Bawah Lambat Sedang (50,80) Kiri Tengah Lambat Sedang (50,80)
Kiri Atas Sedang Cepat (63,88)
Tengah Bawah Lambat Lambat (53,53) Tengah Tengah Sedang Sedang (78,80)
Tengah Atas Cepat Cepat (87,100)
Kanan Bawah Sedang Lambat (59,59) Kanan Tengah Sedang Lambat (80,74)
Kanan Atas Cepat Sedang (96,86)
Dari Tabel 2 ini merupakan hasil pengujian pergerakan motor sesuai dengan rule base fuzzy yang telah ditentukan, yang mana ketika posisi bola yang terdeteksi kamera adalah kiri bawah maka motor kiri akan menghasilkan PWM 50 yang berarti motor kiri bergerak lambat dan motor kanan menghasilkan PWM 80 yang berarti motor bergerak sedang begitu juga dengan percobaan lainnya hingga percobaan terakhir yaitu posisi bola berada di kanan atas yang menghasilkan PWM 96 yang berarti motor kiri bergerak cepat dan motor kanan menghasilkan PWM 86 yang berarti motor bergerak sedang.
Dari hasil pengujian juga dilakukan simulasi menggunakan software scilab untuk menampilkan bentuk grafik 3D. Pada pengujian pertama dengan
input x=13 dan y 112 menghasilkan output pwm
motor kiri lambat dan motor kanan sedang sehingga dihasilkan bentuk grafik 3D sebagai berikut.
Pada pengujian kedua dengan input x=78 dan y=104 menghasilkan output pwm motor kiri sedang dan motor kanan sedang sehingga dihasilkan bentuk grafik 3D sebagai berikut.
Pada pengujian ketiga dengan input x=155 dan y=141 menghasilkan output pwm motor kiri sedang dan motor kanan sedang sehingga dihasilkan bentuk grafik 3D sebagai berikut
.
KESIMPULAN
Dari hasil pembahasan dan pengujian maka dapat disimpulkan bahwa
1. Fuzzy logic dapat diterapkan untuk pergerakan robot penggiring bola bebasis image processing 2. Nilai PWM Motor yang teruji pada beberapa
percobaan ini terbukti sama dengan hasil perhitungan secara manual.
3.Pendeteksian objek berupa bola dari sensor kamera dengan menggunakan fuzzy logic cenderung memberikan titik posisi yang akurat.
REFERENSI
30
Penerbit Graha Ilmu, edisi pertama, 2002H. Mandala and E. Rudiawan, “Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC,”
Semin. Nas. Apl. Teknol. Inf., vol. 2016, no.
snati, pp. 14–20, 2016.
Yulianto and H. P. Handoyo, “Penerapan Behavior-Based Control dan Fuzzy Logic Controller pada Sistem Navigasi Robot Soccer,” Cent. Civ.
Electr. Eng. J., vol. 7, no. 1, pp. 16–23, 2012.
M. A. Bustomi and A. Z. Dzulfikar, “Analisis Distribusi Intensitas RGB Citra Digital untuk Klasifikasi Kualitas Biji Jagung menggunakan Jaringan Syaraf Tiruan,” J. Fis. dan Apl. Inst. Teknol.
